Yulian , Khairunisa (2024) IMPLEMENTATION OF THE HYBRID VECTOR AUTOREGRESSIVE (VAR) – LONG SHORT TERM MEMORY (LSTM) METHOD IN FORECASTING CURRENCY EXCHANGES AGAINST THE RUPIAH. FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.
|
File PDF
ABSTRAK - YULIAN KHAIRUNISA.pdf Download (102Kb) | Preview |
|
![[img]](http://digilib.unila.ac.id/style/images/fileicons/text.png) |
File PDF
SKRIPSI FULL - YULIAN KHAIRUNISA.pdf Restricted to Hanya staf Download (8Mb) | Minta salinan |
|
|
File PDF
SKRIPSI TANPA BAB PEMBAHASAN - YULIAN KHAIRUNISA.pdf Download (8Mb) | Preview |
Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)
The currency exchange rate is a vital indicator that can influence various aspects of a country's economy, including purchasing power, inflation and investment. Fluctuations in the USD, EUR, and SGD exchange rates against the Rupiah have a significant impact on important sectors such as international trade, manufacturing industry, and monetary policy. One of the ways that can be taken to deal with these fluctuations is to forecast currency exchange rates. One method that can be used to predict currency exchange rates is using the Vector Autoregressive (VAR) method. The VAR method is capable of processing linear time series data, but has difficulty to processing nonlinear data, whereas exchange rate data usually contains a combination of linear and non-linear patterns. Another method that can be used is Long Short Term Memory (LSTM). The LSTM method has advantages over the VAR method in capturing nonlinear patterns in time series data. Therefore, the hybrid VAR-LSTM method is applied in order to predict currency exchange rates rates well. The hybrid VAR-LSTM method is a combination of two main models, where the first model is used to predict and forecast VAR prediction data, while the second model is used to predict and forecast VAR residual data. In this research, the hybrid VAR-LSTM model which uses splitting 90% training data and 10% testing data produces the best model evaluation value with an RMSE value of 103.6146 and a MAPE value of 0,0055%. Keywords: Hybrid VAR-LSTM, VAR, LSTM, currency exchange rate, forecasting ABSTRAK IMPLEMENTASI METODE HYBRID VECTOR AUTOREGRESSIVE (VAR) – LONG SHORT TERM MEMORY (LSTM) PADA PERAMALAN KURS MATA UANG ASING TERHADAP RUPIAH Oleh Yulian Khairunisa Kurs mata uang merupakan indikator vital yang dapat memengaruhi berbagai aspek ekonomi suatu negara, termasuk daya beli, inflasi, dan investasi. Fluktuasi kurs USD, EUR, dan SGD terhadap Rupiah memiliki dampak signifikan pada sektor-sektor penting seperti perdagangan internasional, industri manufaktur, dan kebijakan moneter. Salah satu langkah yang dapat dilakukan dalam menghadapi fluktuasi tersebut adalah dengan melakukan peramalan pada kurs mata uang. Salah satu metode yang dapat dimanfaatkan untuk meramalkan kurs mata uang adalah menggunakan metode Vector Autoregressive (VAR). Metode VAR mampu memproses data time series yang bersifat linear, tetapi kesulitan saat memproses data yang bersifat nonlinear sedangkan data kurs biasanya mengandung kombinasi pola linear dan non linear. Metode lain yang dapat digunakan adalah Long Short Term Memory (LSTM). Metode LSTM memiliki keunggulan dibandingkan metode VAR dalam menangkap pola nonlinier pada data time series. Oleh karena itu, diterapkan metode hybrid VAR-LSTM agar dapat meramalkan kurs mata uang dengan baik. Metode hybrid VAR-LSTM merupakan gabungan dari dua model utama, dimana model pertama digunakan untuk memprediksi dan meramal data prediksi VAR, sedangkan model kedua untuk memprediksi dan meramal data residual VAR. Pada penelitian ini, model hybrid VAR-LSTM yang menggunakan skema 90% data training 10% data testing menghasilkan nilai evaluasi model terbaik dengan nilai RMSE sebesar 103,6146 dan nilai MAPE sebesar 0,0055%. Kata kunci: Hybrid VAR-LSTM, VAR, LSTM, kurs mata uang, peramalan
| Jenis Karya Akhir: | Skripsi |
|---|---|
| Subyek: | 500 ilmu pengetahuan alam dan matematika 500 ilmu pengetahuan alam dan matematika > 510 Matematika |
| Program Studi: | FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM (FMIPA) > Prodi S1 Matematika |
| Pengguna Deposit: | UPT . Desi Zulfi Melasari |
| Date Deposited: | 07 May 2025 02:50 |
| Terakhir diubah: | 07 May 2025 02:50 |
| URI: | http://digilib.unila.ac.id/id/eprint/86711 |
Actions (login required)
 |
Lihat Karya Akhir |
